详情

原文传递一种叶绿素a浓度的协同反演方法

专利名称：	一种叶绿素a浓度的协同反演方法
摘要：	本发明实施例提供一种叶绿素a浓度的协同反演方法，该方法包括获取试验区的第一遥感影像数据和第二遥感影像数据，提取试验区中的水体区域；采集水体区域中叶绿素a浓度实测值，基于第一遥感影像数据、第二遥感影像数据以及叶绿素a浓度实测值，构建叶绿素a浓度协同反演模型集；根据协同反演模型集中各个协同反演模型各自对应的叶绿素a浓度反演值，以及水体区域中叶绿素a浓度实测值，分析各协同反演模型的反演精度；根据各协同反演模型的反演精度，建立最优协同反演模型。本发明实施例根据不同卫星传感器的传感器特性，发挥两种遥感影像的优势，得到高精度的叶绿素a浓度协同反演模型，提高了叶绿素a浓度的反演精度。
专利类型：	发明专利
国家地区组织代码：	北京;11
申请人：	环境保护部卫星环境应用中心
发明人：	赵少华;吴迪;李家国;朱军;封红娥;刘思含;吴艳婷;裴浩杰;李梓湉
专利状态：	有效
申请日期：	2018-12-26T00:00:00+0800
发布日期：	2019-05-24T00:00:00+0800
申请号：	CN201811604942.5
公开号：	CN109799199A
代理机构：	北京路浩知识产权代理有限公司
代理人：	王莹;吴欢燕
分类号：	G01N21/31(2006.01);G;G01;G01N;G01N21
申请人地址：	100094 北京市海淀区永丰产业基地丰德东路4号
主权项：	1.一种叶绿素a浓度的协同反演方法，其特征在于，包括： S1，获取试验区的第一遥感影像数据和第二遥感影像数据，提取试验区中的水体区域； S2，采集水体区域中叶绿素a浓度实测值，基于第一遥感影像数据、第二遥感影像数据以及叶绿素a浓度实测值，构建叶绿素a浓度的协同反演模型集； S3，根据协同反演模型集中各个协同反演模型各自对应的叶绿素a浓度反演值，以及水体区域中叶绿素a浓度实测值，分析各协同反演模型的反演精度； S4，根据各协同反演模型的反演精度，建立最优协同反演模型。 2.根据权利要求1所述的叶绿素a浓度的协同反演方法，其特征在于，所述S1中，所述提取试验区中的水体区域具体包括：根据所述第一遥感影像数据和第二遥感影像数据，利用NDWI指数与目视解译相结合的方法，获取水体区域。 3.根据权利要求1所述的叶绿素a浓度的协同反演方法，其特征在于，所述第一遥感影像数据为GF-1/WFV影像数据，所述第二遥感影像数据为Landsat8/OLI影像数据。 4.根据权利要求3所述的叶绿素a浓度的协同反演方法，其特征在于，步骤S2中，所述构建叶绿素a协同反演模型集具体包括：分析GF-1/WFV传感器和Landsat8/OLI传感器的传感器特性，构建叶绿素a浓度协同反演模型集；其中，所述传感器特性至少包括辐射分辨率、光谱分辨率和空间分辨率。 5.根据权利要求4所述的叶绿素a浓度的协同反演方法，其特征在于，所述分析GF-1/WFV传感器和Landsat8/OLI传感器的传感器特性，构建叶绿素a浓度协同反演模型集进一步包括： S21，单波段替代反演：将OLI影像的空间分辨率重采样至WFV空间分辨率，分别利用OLI的窄近红外通道直接替代WFV的宽近红外通道，OLI的红波段直接替代WFV的红波段，OLI的蓝波段直接替代WFV的蓝波段，分别构建叶绿素a协同反演模型； S22，单波段融合反演：分别将OLI近红外波段与WFV近红外波段、OLI红波段与WFV红波段、OLI蓝波段与WFV蓝波段进行融合，利用融合后的波段和WFV的原始波段分别计算叶绿素a光谱指数，结合叶绿素a浓度实测值，建立单波段融合协同反演模型； S23，三波段融合反演：将WFV与OLI的蓝、红、近红外三个波段分别融合，利用融合后的三波段建立叶绿素a浓度的协同反演模型。 6.根据权利要求1或5所述的叶绿素a浓度的协同反演方法，其特征在于，所述S3具体包括：针对每一协同反演模型，计算叶绿素a浓度反演值和叶绿素a浓度实测值的均方根误差RMSE和/或平均相对误差σ，分析各协同反演模型的反演精度。
所属类别：	发明专利